Comparison of LDL-cholesterol results calculated by using apolipoprotein A1, B or HDL-cholesterol for classification of noncchylomicronemic dyslipemia

ARTICLE

Les désordres lipidiques générateurs de maladies coronariennes sont liés d'une part à une augmentation des LDL, d'autre part à une diminution des HDL. L'évaluation de ces désordres nécessite la quantification de différentes fractions de ces lipoprotéines circulantes : apolipoprotéines B (ApoB) et/ou LDL-cholestérol (LDLc) pour l'une, apolipoprotéines A1 (ApoA1) et/ou HDL-cholestérol (HDLc) pour l'autre [1-3]. Pour le clinicien, le choix entre ces deux derniers marqueurs fait encore l'objet de controverses [4]. Pour le biologiste, ce choix se pose d'autant plus que, récemment, une nouvelle méthode automatisable de dosage du HDLc a été développée [5-8], méthode aussi rapide et fiable que les méthodes de dosage des ApoA1 et B.

Le dosage du LDLc reste toujours inaccessible en routine puisqu'il nécessite l'ultracentrifugation. Afin de pallier à cet écueuil analytique, Friedewald et al. [9] ont proposé un modèle de régression multiple permettant d'estimer le LDLc à partir du cholestérol total (CT), des triglycérides (TG) et de l'HDLc. Plus récemment, dans le même but, Planella et al. [3] ont proposé une même relation de régression permettant le calcul du LDLc à partir de CT, TG et ApoB et un algorithme autorisant la classification phénotypique des dyslipémies non chylomicronémiques à partir des TG et ApoB mesurés et du LDLc calculé.

Suivant Friedewald et afin d'éviter des redondances analytiques entre ApoA1 et HDLc, il nous a semblé intéressant d'établir une relation de régression entre ces deux marqueurs, d'étudier si le LDLc pouvait être calculé à partir des ApoA1 et si les résultats de LDLc obtenus à partir des HDLc, ApoB ou ApoA1 permettaient indifféremment le classement des patients dyslipémiques défini par Planella.

Matériel et méthodes

Sujets

L'échantillon d'étude a été constitué de 182 sujets issus d'une population hospitalisée. Réalisés après un jeûne d'environ 10 heures, les prélèvements ont été recueillis sur tube sec (Becton Dickinson) puis laissés à température ambiante environ une heure avant séparation du sérum par centrifugation (5 mn à 3 500 g). Le jeûne et la conformité du prélèvement furent les seuls critères d'inclusion.

Méthodes

Les concentrations sériques en CT, TG et HDLc ont été déterminées sur automate Axon (Bayer Diagnostic), selon les méthodes enzymatiques commercialisées par le constructeur pour les deux premières (coefficients de variation intraséries : CT : 1,5 % ; TG : 1,9 %) ; selon la méthode de Sugiuchi et al. [5], à partir des réactifs commercialisés par Randox pour l'HDLc (coefficient de variation intrasérie : 2,0 %).

Les concentrations sériques en apolipoprotéines A1 et B ont été mesurées par immunonéphélométrie laser sur un automate « BN 100 » (Behring), selon les méthodes commercialisées par le constructeur (coefficients de variation intraséries : ApoA1 2,1 %, ApoB 3,1 %). Toutes les analyses ont été réalisées dans la journée de recueil.

Équations de calcul

Les concentrations en LDLc ont été calculées à l'aide de la relation de Friedewald non modifiée [9], adaptée aux mmol/l : LDLc (mmol/l) = CT ­ (HDLc + 0,45 TG) dans laquelle le facteur 0,45 TG représente une estimation du cholestérol des VLDL, puis, comparées aux résultats obtenus par la relation de Planella [3], sans constante, considérée comme méthode de référence : LDLc (mmol/l) = 0,41 CT ­ 0,32 TG + 1,70 ApoB. Ces auteurs ont aussi établi un algorithme (tableau 1) fondé sur trois valeurs discriminantes : TG 2,26 mmol/l, ApoB 1,35 g/l et LDLc (calculé) 4,40 mmol/l, permettant de classer les patients dyslipémiques.

Statistiques

Les résultats statistiques ont été obtenus à l'aide des logiciels SPSS (SPSS Inc) et Sigmastat (Jandel Scientific). Les normalités des distributions des variables et des résidus ont été testées par le test de Kolmogorov-Smirnov. L'homoscédasticité des résidus des régressions a été testée par le coefficient de corrélation de Spearman établi entre les valeurs absolues des résidus et les valeurs observées de la variable dépendante (HDLc). La « Press statistic » et le test de Durbin-Watson ont été calculés conformément à Draper et Smith [10]. Les distributions des variables n'étant pas normales, les éventuelles différences entre les résultats ont été testées par le test non paramétrique de Wilcoxon (n = 2), apparié lorsqu'il y avait lieu, ou par le test de Friedman (n > 2). Le seuil de significativité des tests statistiques a été choisi égal à 0,05.

Résultats et discussion

À titre indicatif, le tableau 2 donne les résultats des variables mesurées issues de l'échantillon de population (n = 182 ; âge moyen : 56 ± 17 ans). Au sein de l'échantillon global (n = 182), seules les valeurs de l'ApoA1 sont normalement distribuées (test de Kolmogorov-Smirnov : non significatif). Dans l'échantillon des normolipémiques (n = 133) toutes les variables sont normalement distribuées (test de Kolmogorov-Smirnov : non significatif).

Étude de la régression : HDLc = f(ApoA1)

Il a été décidé du choix d'une régression passant par l'origine pour deux raisons : d'une part cette tendance a été observée sur les résultats de Bigot-Corbel et al. [11] établis à partir de 1 980 sujets, d'autre part ApoA1 et HDLc sont deux constituants d'une même lipoprotéine. Les résultats bruts sont représentés sur la figure 1. L'étude des résidus issus de la régression linéaire sans constante établie à partir des 182 données, montre qu'ils ne sont ni normalement distribués (test de Kolmogorov-Smirnov : p < 0,01), ni indépendants (r = 0,22, p < 0,01), ni homoscédastiques (r = 0,23, p < 0,01). Le modèle linéaire est donc inadapté à la description des données.

Plusieurs modèles de régression non linéaire correspondant à priori à l'évolution des données ont été étudiés. Les meilleures modélisations ont été obtenues à partir du modèle polynomial (y = ax + bx²) sans constante et du modèle puissance (y = ax^b). Ces deux dernières fonctions ont permis la normalisation et l'indépendance des résidus (corrélation non significative) cependant une hétéroscédasticité résiduelle est observée (tableau 3). Les résultats de la « Press statistic » et du Durbin-Watson montrent peu de différence entre les deux modèles mais une amélioration de leur adéquation aux données par rapport au modèle linéaire.

Le second modèle a donc été choisi en raison de sa linéarisation aisée après transformation Ln-Ln afin d'obtenir un modèle de type y = bx + a' : Ln HDLc = b (Ln ApoA1) + b (Lna).

La transformation des variables ApoA1 et HDLc en logarithme népérien et l'application de la méthode des moindres carrés ont conduit à la relation linéaire suivante¹ : Ln HDLc = 1,21 (Ln ApoA1) ­ 0,21.

Après cette linéarisation, les résidus sont normalement distribués et homoscédastiques comme le montrent la figure 2 et les résultats du tableau 4.

Les résidus ne sont pas corrélés (r = 0) et distribués aléatoirement, en bande horizontale homogène, autour de la moyenne (0). La transformation Ln/ln de la relation HDLc = f(ApoA1) a donc été choisie pour valider la relation à l'égalité de Friedewald.

Relation avec le cholestérol-LDL calculé selon Friedewald

Friedewald et al. [9] ont proposé une relation permettant de calculer le LDLc en mmol/l à partir des concentrations sériques des CT, TG et HDLc en mmol/l : LDLc = CT ­ (HDLc + 0,45TG).

À partir des résultats de la régression linéaire établie précédemment, la relation calculée de Friedewald devient, avec CT, TG et ApoA1 :

LDLc (mmol/l) = [CT ­ (e^{1,21 (Ln ApoA1) ­ 0,21} + 0,45 TG)].

Les résultats des LDLc calculés par les deux méthodes, 3,45 ± 1,12 mmol/l (Friedewald) et 3,45 ± 1,08 mmol/l (présente méthode) ne sont pas significativement différents (test de Wilcoxon pour échantillons appariés), et la corrélation (figure 3) est excellente (r = 0,979, p < 0,0001). Il est à noter que les résultats obtenus à partir des formules de Friedewald modifiées seraient identiques puisque les modifications proposées ne portent que sur la fraction TG.

Le diagramme de Bland et Altman [12] montre (figure 4) que la moyenne des différences entre les méthodes est égale à ­ 1,22.10^{­ 2} mmol/l [intervalle de confiance à 95 % de la moyenne : (­ 0,04) ­
(+ 0,015)]. Aux fluctuations d'échantillonnage près, il n'y a donc pas, globalement, de différence significative entre les deux méthodes, ce qui confirme le résultat du test de Wilcoxon.

Les différences sont légèrement corrélées (r = 0,21) : par rapport à la méthode de Friedewald, la présente méthode surestime de 0,1 mmol/l les LDLc pour des valeurs moyennes basses (1 mmol/l) et sous-estime de 0,1 mmol/l les LDLc pour des valeurs moyennes élevées (7 mmol/l). Ces différences sont acceptables à des fins diagnostiques, d'autant que les deux méthodes donnent un résultat identique pour une concentration en LDLc voisine de 4,40 mmol/l, valeur discriminante entre les phénotypes IIb et IV selon la relation sans constante décrite par Planella.

Relation avec le cholestérol-LDL calculé selon Planella

Les résultats entre les deux précédentes méthodes n'étant pas statistiquement différents et étant cliniquement proches pour les valeurs extrêmes, il semble intéressant d'étudier leur validation par rapport à une méthode de calcul des LDLc publiée comme référence. Selon Planella [3], les LDLc sont liés à CT, TG et ApoB par l'égalité suivante : LDLc = 0,41 CT ­ 0,32 TG + 1,70 ApoB.

Le diagramme de Bland-Altman établi à partir des moyennes des trois méthodes et des différences « Planella-présente méthod » et « Friedewald-présente méthode » montre une sous-évaluation aux faibles valeurs et une sur-évaluation des valeurs hautes des LDLc calculés selon la présente méthode par rapport à Planella (figure 5).

Cette observation est confirmée par une corrélation négative des différences « Planella-présente méthode » par rapport aux moyennes. Il est à noter qu'en raison du signe inverse des corrélations, la différence « Planella-Friedewald » serait encore plus importante. Comme précédemment, les droites de régression conduisent à des valeurs peu différentes, cliniquement acceptables, dans l'intervalle LDLc 3-6 mmol/l.

Il faut noter que, quelle que soit l'équation de régression utilisée, la précision de la somme (LDLc) est limitée par le mode de calcul et l'imprécision analytique entourant les différents termes de cette somme (CT, TG, HDLc, ApoA1 ou ApoB). Avec, pour exemple, l'égalité de Planella : LDLc = a(CT) + b(ApoB) ­ c(TG) et sans tenir compte de l'imprécision liée à la détermination des coefficients de la régression multiple (a, b, c), la variance de la somme est égale à : v(LDLc) = a²(vCT) + b²(vApoB) + c²(vTG) + 2 abcov(CT)(ApoB) ­ 2 bccov(ApoB)(TG) ­ 2 accov(CT)(TG). Sachant que les trois variables sont indépendantes (variance analytique intragroupe), les covariances sont nulles, d'où : v(LDLc) = a²(vCT) + b²(vApoB) + c²(vTG). À titre d'exemple, pour les valeurs suivantes : CT = 6,90 mmol/l (s = 0,104 ; CV : 1,5 %), ApoB = 1,46 g/l (s = 0,045, CV : 3,1 %), TG = 2,85 mmol/l (s = 0,054, CV : 1,9 %) et HDLc = 1,22 mmol/l (s = 0,024, CV : 2 %), la concentration en LDLc est égale à 4,40 mmol/l et sa variance à 0,008 (mmol/l)². L'intervalle de confiance à 95 % de la valeur calculée du LDLc par l'égalité de Planella devient égale à : IC 95 % LDLc = 4,40 ± 1,96 [racine carrée de (0,008)] mmol/l, soit : 4,22 à 4,58 mmol/l. Ce même type de calcul à partir de la relation de Friedewald conduit aux résultats suivants : LDLc # 4,40 mmol/l ; v(LDLc) # 0,012 (mmol/l)². L'intervalle de confiance à 95 % de la valeur calculée du LDLc par l'égalité de Friedewald devient égale à : IC 95 % LDLc = 4,40 ± 1,96 [racine carrée de (0,012)] mmol/l, soit : 4,19 à 4,61 mmol/l.

Ces observations montrent que, quelle que soit l'égalité utilisée, le résultat est entaché d'une erreur intrinsèque liée au mode de calcul et à « l'addition » des variances des différents membres de la somme. Elles montrent les limites de ces méthodes de calcul du LDLc pour des patients présentant des concentrations sériques en LDLc proches de la valeur discriminante entre les phénotypes IIb et IV.

Classement des patients selon l'algorithme de Planella

Malgré cette imprécision, les trois méthodes conduisent à des classements phénotypiques proches lorsque les sujets sont classés selon Planella avec, pour valeur discriminante entre les phénotypes IIb et IV, une concentration sérique du LDLc égale à 4,40 mmol/l. Ainsi, le classement des 182 patients d'après l'algorithme de Planella et les valeurs des LDLc trouvées respectivement par les trois différentes méthodes conduit à des résultats équivalents (tableau 5).

¹ La différence observée entre les constantes de régression obtenues ici et les constantes de la relation y = ax^b est liée aux arrondissements et au mode de calcul.

CONCLUSION

Les observations précédentes montrent que les résultats des LDLc calculés à partir du HDLc, de l'apolipoprotéine B ou de l'apolipoprotéine A1 conduisent à des classements phénotypiques identiques pour les deux dernières, proches pour la première. Les différences observées, en partie liées au mode de calcul, semblent cliniquement acceptables autorisant le biologiste, selon l'équipement dont il dispose, à calculer le LDLc indifféremment à l'aide de l'une des trois variables précédentes, analytiquement facilement accessibles par des techniques automatisées.

Article reçu le 2 octobre 1998, accepté le 27 janvier 1999.

Références

REFERENCES

1. Marzullo C, Michotey O, Bourderont D, et al. Étude comparative des lipides, apoprotéines et lipoprotéines dans un groupe de sujets coronariens et dans une population témoin. Ann Biol Clin 1994 ; 52 : 717-20.

2. Bachorik PS, Lovejoy KL, Carroll MD, Johnson CL. Apolipoprotein B and AI distributions in the United States, 1988-1991 : results of the National Health and Nutrition Examination Survey III (NHANES III). Clin Chem 1997 ; 43 : 2364-78.

3. Planella T, Cortes M, Martinez-Bru C, Gonzalez-Sastre F, Ordonez-Llanos J. Calculation of LDL-cholesterol by using apolipoprotein B for classification of nonchylomicronemic dyslipemia. Clin Chem 1997 ; 43 : 808-15.

4. Sniderman AD, Cianflone K. Measurement of apoproteins : time to improve the diagnosis and treatment of the atherogenic dyslipoproteinemias. Clin Chem 1996 ; 42 : 489-91.

5. Sugiuchi H, Uji Y, Okabe H, et al. Direct measurement of high-density lipoprotein cholesterol in serum with polyethylene glycol-modified enzymes and sulfated a-cyclodextrin. Clin Chem 1995 ; 41 : 717-23.

6. Harris N, Galpchian V, Rifai N. Three routine methods for measuring high-density lipoprotein cholesterol compared with the reference method. Clin Chem 1996 ; 42 : 738-43.

7. Huang YC, Kao JT, Tsai KS. Evaluation of two homogeneous methods for measuring high-density lipoprotein cholesterol. Clin Chem 1997 ; 43 : 1048-55.

8. Nauck M, März W, Jarausch J, et al. Multicenter evaluation of a homogeneous assay for HDL-cholesterol without sample pretreatment. Clin Chem 1997 ; 43 : 1622-9.

9. Friedewald WT, Levy RI, Fredrickson DS. Estimation of the concentration of low-density lipoprotein cholesterol in plasma, without use of the preparative ultracentrifuge. Clin Chem 1972 ; 18 : 499-502.

10. Draper NR, Smith H. Applied regression analysis. New York, Ed. John Wiley et sons, 1981 (2nd ed.) : 709.

11. Bigot-Corbel E, Amory-Touz MC, Mainard F. HDL-cholestérol ou apolipoprotéine AI : quel paramètre choisir ? Ann Biol Clin 1996 ; 54 : 349-52.

12. Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet 1986 : 307-10.